CigaR: Cost-efficient Program Repair with LLMs

本文指出，大型语言模型（LLM）在自动化程序修复（APR）方面已被证明是有效的。然而，使用LLMs可能成本高昂，因为公司按照标记数量向用户收费。因此，本文提出了CigaR，这是第一个以最小化修复成本为重点的基于LLM的APR工具。CigaR分为两个主要步骤：生成第一个可行的修补程序和生成多个可行的修补程序。CigaR通过优化提示和提示设置来最大化向LLMs提供信息，同时使用最少的标记数。我们在广泛使用的Defects4J和HumanEval-Java数据集的429个错误上进行了实验，结果显示CigaR将标记成本降低了73％。平均而言，CigaR每个错误使用127k标记，而基线每个错误使用467k标记。在两者都修复的错误子集中，CigaR每个错误使用20k标记，而基线使用608k标记，成本节省达96％。我们的广泛实验证明，CigaR是一种成本效益高的基于LLM的程序修复工具，可以使用较少的标记数自动生成修补程序。

CigaR：一种基于LLM的自动程序修复工具，旨在最小化修复成本。

CigaR通过优化提示和提示设置，最大限度地利用最少数量的令牌来最大化向LLM提供的信息，从而减少修复成本。

CigaR是第一个专注于最小化修复成本的LLM-based APR工具，可将令牌成本降低73%。实验结果显示，CigaR在平均每个bug上使用127k令牌，而基线使用467k令牌。在两个工具都可以修复的bug子集中，CigaR每个bug使用20k令牌，而基线使用608k令牌，节省了96%的成本。

与此相关的最新研究包括：1. Automated Program Repair: A Survey and Directions for Future Research；2. GenProg: A Generic Method for Automatic Software Repair of Single-Fault Programs；3. Nopol: Automatic Repair of Conditional Statement Bugs in Java Programs